机器学习 深度学习发展简史（简化版）

1.	1943：McCulloch & Pitts 提出人工神经元模型 —— 神经网络的雏形。2.	1957：Rosenblatt 提出感知机（Perceptron） —— 最早的可训练神经网络。
Rosenblatt 提出的 Perceptron 是一个 单层感知机（Single-layer Perceptron）。
•	它本质上是一个线性分类器：

y = f\left(\sum_i w_i x_i + b\right)

3.	1970s：Vapnik 提出统计学习理论（VC维、泛化误差界） —— 机器学习的数学基础。4.	1986：Rumelhart, Hinton & Williams 提出反向传播算法（Backpropagation） —— 神经网络真正可训练。5.	1990s：支持向量机（SVM）、集成学习（Boosting、Random Forest）兴起。6.	1997：Hochreiter & Schmidhuber 提出 LSTM —— 序列建模突破。7.	2006：Hinton 提出深度置信网络（DBN） —— 深度学习复兴。8.	2012：AlexNet 在 ImageNet 夺冠 —— 深度学习进入主流。9.	2017–至今：Transformer、BERT、GPT 等推动 AI 爆炸式发展。